econometria estimacion ar(p) ,ma(q) , arma(p,q)
TRANSCRIPT
ECONOMETRÍA II ORLANDO MARIN AGUILAR
MA(q)
Dependent Variable: AHORRO
Method: Least Squares
Date: 08/05/16 Time: 13:38
Sample (adjusted): 1 22
Included observations: 22 after adjustments
Convergence achieved after 28 iterations
MA Backcast: -2 0 Variable Coefficient Std. Error t-Statistic Prob. C 5.13E+10 1.82E+10 2.822050 0.0113
MA(1) 1.535929 0.249708 6.150906 0.0000
MA(2) 1.002392 0.414464 2.418527 0.0264
MA(3) 0.225456 0.268725 0.838982 0.4125 R-squared 0.842775 Mean dependent var 5.13E+10
Adjusted R-squared 0.816571 S.D. dependent var 5.26E+10
S.E. of regression 2.25E+10 Akaike info criterion 50.67822
Sum squared resid 9.15E+21 Schwarz criterion 50.87659
Log likelihood -553.4604 Hannan-Quinn criter. 50.72495
F-statistic 32.16196 Durbin-Watson stat 1.769729
Prob(F-statistic) 0.000000 Inverted MA Roots -.43 -.56-.47i -.56+.47i INTERPRETACION .-
Esta variable Ahorro es no estacionaria.
Observamos que nuestras variables son significativas al 95% de confianza con
una prob aceptable 100% pero observamos que un de nuestras variables ma(3)
no es significativa y con un probabilidad de que no ocurra es de 41%.
Nuestros residuos fluctúan alrededor de nuestro modelo con 84%igual forma
nuestro R2 indica que nuestro 81% la nube de puntos es ajustado al modelo, con
una probabilidad que ocurra 32.16% .
No tiene auto correlación residual está dentro de los parámetros. No viola
ningún supuesto.
Según los criterios asintóticos tomamos schars como la mejor opción para el
modelo.
Este modelo media móvil decimo ocurre después de 28 iteraciones.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: INDUSTRIALIZACION
Method: Least Squares
Date: 08/05/16 Time: 13:39
Sample (adjusted): 1 16
Included observations: 16 after adjustments
Convergence achieved after 19 iterations
MA Backcast: -2 0 Variable Coefficient Std. Error t-Statistic Prob. C 9.54E+09 2.69E+09 3.541423 0.0041
MA(1) 1.561440 0.284381 5.490660 0.0001
MA(2) 1.109467 0.467674 2.372307 0.0353
MA(3) 0.129011 0.344476 0.374513 0.7146 R-squared 0.842291 Mean dependent var 9.54E+09
Adjusted R-squared 0.802864 S.D. dependent var 7.33E+09
S.E. of regression 3.26E+09 Akaike info criterion 46.85714
Sum squared resid 1.27E+20 Schwarz criterion 47.05029
Log likelihood -370.8572 Hannan-Quinn criter. 46.86704
F-statistic 21.36323 Durbin-Watson stat 1.891942
Prob(F-statistic) 0.000042 Inverted MA Roots -.14 -.71+.64i -.71-.64i INTERPRETACION .-
esta variable es no estacionaria
Observamos que nuestras variables ma(1) ma(2) son significativas al 95% de
confianza con una prob aceptable 100% pero observamos que un de nuestras
variables ma(3) no es significativa y con un probabilidad de que no ocurra es de
71%
Nuestros residuos fluctúan alrededor de nuestro modelo con 84%igual forma
nuestro R2 indica que nuestro 80% la nube de puntos es ajustado al modelo,
con una probabilidad que ocurra 100%
Vemos que el modelo no tiene Auto correlacion residual donde no hay violación
de ningún supuesto.
Según los criterios asintóticos tomamos Hannan-Quinn criter.46.86704
como la mejor opción para el modelo.
Este modelo media móvil decimo ocurre después de 19 iteraciones.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: INFLACION
Method: Least Squares
Date: 08/05/16 Time: 13:38
Sample (adjusted): 1 15
Included observations: 15 after adjustments
Convergence achieved after 287 iterations
MA Backcast: OFF (Roots of MA process too large) Variable Coefficient Std. Error t-Statistic Prob. C -4.564462 1.985638 -2.298738 0.0421
MA(1) 1.455083 0.698978 2.081730 0.0615
MA(2) -0.732104 0.717656 -1.020132 0.3296
MA(3) 2.912329 0.985685 2.954626 0.0131 R-squared 0.830290 Mean dependent var 5.897131
Adjusted R-squared 0.784006 S.D. dependent var 15.21734
S.E. of regression 7.072290 Akaike info criterion 6.973424
Sum squared resid 550.1901 Schwarz criterion 7.162237
Log likelihood -48.30068 Hannan-Quinn criter. 6.971413
F-statistic 17.93883 Durbin-Watson stat 1.201167
Prob(F-statistic) 0.000151 Inverted MA Roots .43-1.04i .43+1.04i -2.31
Estimated MA process is noninvertible INTERPRETACION .-
Observamos que nuestras variables ma(1) ma(2) son significativas al 95% de
confianza con una prob aceptable 100% pero observamos que un de nuestras
variables ma(3) no es significativa y con un probabilidad de que no ocurra es de
71%
Nuestros residuos fluctúan alrededor de nuestro modelo con 84%igual forma
nuestro R2 indica que nuestro 80% la nube de puntos es ajustado al modelo,
con una probabilidad que ocurra 100%
Vemos que el modelo no tiene Auto correlacion residual donde no hay violación
de ningún supuesto.
Según los criterios asintóticos tomamos Hannan-Quinn criter.46.86704
como la mejor opción para el modelo.
Este modelo media móvil decimo ocurre después de 19 iteraciones.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: PER_CAPITAL
Method: Least Squares
Date: 08/05/16 Time: 13:37
Sample: 1 46
Included observations: 46
Convergence achieved after 29 iterations
MA Backcast: -2 0 Variable Coefficient Std. Error t-Statistic Prob. C 34148.19 5869.521 5.817883 0.0000
MA(1) 1.310377 0.148816 8.805371 0.0000
MA(2) 1.063450 0.212170 5.012262 0.0000
MA(3) 0.514178 0.166556 3.087117 0.0036 R-squared 0.867943 Mean dependent var 33218.75
Adjusted R-squared 0.858510 S.D. dependent var 27231.23
S.E. of regression 10243.06 Akaike info criterion 21.38953
Sum squared resid 4.41E+09 Schwarz criterion 21.54854
Log likelihood -487.9592 Hannan-Quinn criter. 21.44910
F-statistic 92.01470 Durbin-Watson stat 1.491909
Prob(F-statistic) 0.000000 Inverted MA Roots -.26-.76i -.26+.76i -.79
INTERPRETACION .-
Esta variable es no estacionaria
Observamos que nuestras variables ma(1) ma(2) ma (3)son significativas al 95%
de confianza con una prob aceptable 100%
Nuestros residuos fluctúan alrededor de nuestro modelo con 86% igual forma
nuestro R2 indica que 85% la nube de puntos es ajustado al modelo, con una
probabilidad que ocurra 100%
Vemos que el modelo no tiene Auto correlación residual donde no hay violación
de ningún supuesto esta dentro de los parametros conocidos.
Según los criterios asintóticos tomamos Schwarz criterion 21.54854 como la
mejor opción para el modelo.
Este modelo media móvil decimo ocurre después de 29 iteraciones. Un ma(3)
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: PIB
Method: Least Squares
Date: 08/05/16 Time: 13:34
Sample: 1 46
Included observations: 46
Convergence achieved after 124 iterations
MA Backcast: -2 0 Variable Coefficient Std. Error t-Statistic Prob. C 3.97E+10 1.31E+10 3.032955 0.0041
MA(1) 1.751844 0.160143 10.93924 0.0000
MA(2) 1.425496 0.264655 5.386249 0.0000
MA(3) 0.518782 0.170062 3.050539 0.0039 Mean dependent var 3.80E+10
Adjusted R-squared 0.903498 S.D. dependent var 6.07E+10
S.E. of regression 1.89E+10 Akaike info criterion 50.24042
Sum squared resid 1.49E+22 Schwarz criterion 50.39943
Log likelihood -1151.530 Hannan-Quinn criter. 50.29998
F-statistic 141.4365 Durbin-Watson stat 1.535094
Prob(F-statistic) 0.000000 Inverted MA Roots -.49-.66i -.49+.66i -.78
INTERPRETACION .-
La variable PIB es no estacionaria
Observamos que nuestras variables ma(1) ma(2) ma (3)son significativas al 95%
de confianza con una prob aceptable 100%
Nuestros residuos fluctúan alrededor de nuestro modelo con 90% igual forma
nuestro R2 indica que 100% la nube de puntos es ajustado al modelo, con una
probabilidad que ocurra 100%
Vemos que el modelo no tiene Auto correlación residual donde no hay violación de
ningún supuesto esta dentro de los parámetros conocidos.
Según los criterios asintóticos tomamos Akaike info criterion 50.24042 como la
mejor opción para el modelo.
Este modelo media móvil decimo ocurre después de 124 iteraciones. Un ma(3)
ECONOMETRÍA II ORLANDO MARIN AGUILAR
ARMA
Dependent Variable: AGRICULTURA
Method: Least Squares
Date: 08/05/16 Time: 13:54
Sample (adjusted): 2 16
Included observations: 15 after adjustments
Convergence achieved after 29 iterations
MA Backcast: 1 Variable Coefficient Std. Error t-Statistic Prob. C -51625887 61737984 -0.836209 0.4194
AR(1) 1.080454 0.029272 36.91040 0.0000
MA(1) -0.978497 0.064548 -15.15920 0.0000 R-squared 0.947425 Mean dependent var 1.22E+08
Adjusted R-squared 0.938662 S.D. dependent var 61772677
S.E. of regression 15298907 Akaike info criterion 36.10132
Sum squared resid 2.81E+15 Schwarz criterion 36.24293
Log likelihood -267.7599 Hannan-Quinn criter. 36.09981
F-statistic 108.1222 Durbin-Watson stat 1.647809
Prob(F-statistic) 0.000000 Inverted AR Roots 1.08
Estimated AR process is nonstationary
Inverted MA Roots .98
INTERPRETACION .-
Vemos que nuestro modelo es significativa esta dentro de los parámetros con
intervalo de confianza del 95% con la probabilidad de que ocuura del 100%
Nuestro residuos fluctúan alrededor de nuestro modelo con un 94% , y R2 nos
dice que la nube de puntos fluctúa de igual forma en el modelo con un 93%,
Prob(F-statistic) de que ocurra en 100%
Decimos que tomamos el criterio asintótico Akaike info criterio 36.10
Nos dice que el Durbin-Watson stat no hay ACR no viola ningún supuesto
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: AGRICULTURA
Method: Least Squares
Date: 08/05/16 Time: 13:55
Sample (adjusted): 2 16
Included observations: 15 after adjustments
Convergence achieved after 27 iterations
MA Backcast: 0 1 Variable Coefficient Std. Error t-Statistic Prob. C -27570263 1.66E+08 -0.166227 0.8710
AR(1) 1.075536 0.083830 12.82992 0.0000
MA(1) -0.431583 0.275322 -1.567558 0.1453
MA(2) 0.370905 0.285346 1.299844 0.2202 R-squared 0.930083 Mean dependent var 1.22E+08
Adjusted R-squared 0.911014 S.D. dependent var 61772677
S.E. of regression 18427100 Akaike info criterion 36.51972
Sum squared resid 3.74E+15 Schwarz criterion 36.70853
Log likelihood -269.8979 Hannan-Quinn criter. 36.51771
F-statistic 48.77610 Durbin-Watson stat 1.908710
Prob(F-statistic) 0.000001 Inverted AR Roots 1.08
Estimated AR process is nonstationary
Inverted MA Roots .22-.57i .22+.57i
INTERPRETACION .-
Vemos que nuestro ar(1) es significativa está dentro de los parámetros con
intervalo de confianza del 95% con la probabilidad de que ocurra del 100%pero
que los ma(1) ma(2) no es significativa no esta en los parametros indicados del
95%.
Nuestro residuos fluctúan alrededor de nuestro modelo con un 93% , y R2 nos
dice que la nube de puntos fluctúa de igual forma en el modelo con un 91%,
Prob(F-statistic) de que ocurra en 100%
Decimos que tomamos el criterio asintótico Akaike
Nos dice que el Durbin-Watson stat no hay ACR no viola ningún supuesto.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: AGRICULTURA
Method: Least Squares
Date: 08/06/16 Time: 05:52
Sample (adjusted): 3 16
Included observations: 14 after adjustments
Convergence achieved after 94 iterations
MA Backcast: OFF (Roots of MA process too large) Variable Coefficient Std. Error t-Statistic Prob. C 1.26E+08 1.42E+08 0.888513 0.3951
AR(1) 2.046565 0.494867 4.135590 0.0020
AR(2) -0.997201 0.552763 -1.804031 0.1014
MA(1) -2.171409 1.241538 -1.748967 0.1109 R-squared 0.968317 Mean dependent var 1.26E+08
Adjusted R-squared 0.958812 S.D. dependent var 62066201
S.E. of regression 12596255 Akaike info criterion 35.77065
Sum squared resid 1.59E+15 Schwarz criterion 35.95324
Log likelihood -246.3946 Hannan-Quinn criter. 35.75375
F-statistic 101.8749 Durbin-Watson stat 2.793573
Prob(F-statistic) 0.000000 Inverted AR Roots 1.25 .80
Estimated AR process is nonstationary
Inverted MA Roots 2.17
Estimated MA process is noninvertible
INTERPRETACION .-
Vemos que nuestro ar(1) es significativa está dentro de los parámetros con
intervalo de confianza del 95% con la probabilidad de que ocurra del 100%pero
que los ar(2) ma(1) no es significativa no está en los parámetros indicados del
95%.
Nuestro residuos fluctúan alrededor de nuestro modelo con un 96% , y R2 nos
dice que la nube de puntos fluctúa de igual forma en el modelo con un 95%,
Prob(F-statistic) de que ocurra en 100%
Decimos que tomamos el criterio asintótico Hannan-Quinn criter. 35.75375
Nos dice que el Durbin-Watson stat no hay ACR no viola ningún supuesto.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: AGRICULTURA
Method: Least Squares
Date: 08/06/16 Time: 05:54
Sample (adjusted): 3 16
Included observations: 14 after adjustments
Convergence achieved after 20 iterations
MA Backcast: 1 2 Variable Coefficient Std. Error t-Statistic Prob. C 1.26E+08 2.17E+08 0.580215 0.5760
AR(1) 2.011247 0.391841 5.132812 0.0006
AR(2) -1.039205 0.404011 -2.572219 0.0301
MA(1) -1.863449 0.098141 -18.98754 0.0000
MA(2) 0.885961 0.088376 10.02494 0.0000 R-squared 0.967042 Mean dependent var 1.26E+08
Adjusted R-squared 0.952395 S.D. dependent var 62066201
S.E. of regression 13542005 Akaike info criterion 35.95294
Sum squared resid 1.65E+15 Schwarz criterion 36.18118
Log likelihood -246.6706 Hannan-Quinn criter. 35.93182
F-statistic 66.01966 Durbin-Watson stat 2.456231
Prob(F-statistic) 0.000001 Inverted AR Roots 1.01-.17i 1.01+.17i
Estimated AR process is nonstationary
Inverted MA Roots .93-.13i .93+.13i
INTERPRETACION .-
Vemos que nuestro ar(1) ar(2) ma(1) ma(2) es significativa está dentro de los
parámetros con intervalo de confianza del 95% con la probabilidad de que
ocurra del 100%
Nuestro residuos fluctúan alrededor de nuestro modelo con un 96% , y R2 nos
dice que la nube de puntos fluctúa de igual forma en el modelo con un 95%,
Prob(F-statistic) de que ocurra en 100%
Decimos que tomamos el criterio asintótico Schwarz criterion 36.18118
Nos dice que el Durbin-Watson stat no hay ACR no viola ningún supuesto.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
CONSUMO
Dependent Variable: CONSUMO_FINAL_DE_LAS_FAM
Method: Least Squares
Date: 08/06/16 Time: 03:21
Sample (adjusted): 2 22
Included observations: 21 after adjustments
Convergence achieved after 17 iterations
MA Backcast: 1 Variable Coefficient Std. Error t-Statistic Prob. C 1.25E+10 6.64E+09 1.879402 0.0765
AR(1) 1.091888 0.056382 19.36574 0.0000
MA(1) 0.682100 0.184229 3.702462 0.0016 R-squared 0.982518 Mean dependent var 1.25E+10
Adjusted R-squared 0.980575 S.D. dependent var 1.12E+10
S.E. of regression 1.56E+09 Akaike info criterion 45.30310
Sum squared resid 4.37E+19 Schwarz criterion 45.45232
Log likelihood -472.6825 Hannan-Quinn criter. 45.33548
F-statistic 505.8042 Durbin-Watson stat 1.058761
Prob(F-statistic) 0.000000 Inverted AR Roots 1.09
Estimated AR process is nonstationary
Inverted MA Roots -.68
INTERPRETACION .-
Vemos que nuestro ar(1) ar(2) es significativa está dentro de los parámetros
con intervalo de confianza del 95% con la probabilidad de que ocurra del 100%
Nuestro residuos fluctúan alrededor de nuestro modelo con un 98% , y R2 nos
dice que la nube de puntos fluctúa de igual forma en el modelo con un 98%,
Prob(F-statistic) de que ocurra en 100%
Decimos que tomamos el criterio asintótico Hannan-Quinn criter. 45.33548
Nos dice que el Durbin-Watson stat hay ACR viola los supuesto.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: CONSUMO_FINAL_DE_LAS_FAM
Method: Least Squares
Date: 08/06/16 Time: 05:50
Sample (adjusted): 2 22
Included observations: 21 after adjustments
Convergence achieved after 30 iterations
MA Backcast: 0 1 Variable Coefficient Std. Error t-Statistic Prob. C -4.05E+09 6.48E+09 -0.624994 0.5403
AR(1) 1.109372 0.038453 28.84982 0.0000
MA(1) 0.627125 0.245724 2.552154 0.0206
MA(2) 0.282815 0.250393 1.129488 0.2744 R-squared 0.993986 Mean dependent var 1.25E+10
Adjusted R-squared 0.992925 S.D. dependent var 1.12E+10
S.E. of regression 9.40E+08 Akaike info criterion 44.33117
Sum squared resid 1.50E+19 Schwarz criterion 44.53012
Log likelihood -461.4773 Hannan-Quinn criter. 44.37435
F-statistic 936.6415 Durbin-Watson stat 1.958828
Prob(F-statistic) 0.000000 Inverted AR Roots 1.11
Estimated AR process is nonstationary
Inverted MA Roots -.31+.43i -.31-.43i
INTERPRETACION .-
Vemos que nuestro ar(1) ar(2) es significativa está dentro de los parámetros con intervalo de confianza del
95% con la probabilidad de que ocurra del 100%, pero que ma(2) no es significativa
Nuestro residuos fluctúan alrededor de nuestro modelo con un 99% , y R2 nos dice que la nube de puntos
fluctúa de igual forma en el modelo con un 99%, Prob(F-statistic) de que ocurra en 100%
Decimos que tomamos el criterio asintótico Akaike info criterion 44.33117
Nos dice que el Durbin-Watson stat no hay ACR no viola ningún supuesto.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: CONSUMO_FINAL_DE_LAS_FAM
Method: Least Squares
Date: 08/06/16 Time: 05:49
Sample (adjusted): 3 22
Included observations: 20 after adjustments
Convergence achieved after 7 iterations
MA Backcast: 2 Variable Coefficient Std. Error t-Statistic Prob. C 1.30E+10 1.85E+11 0.070104 0.9450
AR(1) 1.993945 0.282776 7.051322 0.0000
AR(2) -0.996985 0.317043 -3.144634 0.0063
MA(1) -0.014111 0.319464 -0.044170 0.9653 R-squared 0.992100 Mean dependent var 1.30E+10
Adjusted R-squared 0.990619 S.D. dependent var 1.12E+10
S.E. of regression 1.09E+09 Akaike info criterion 44.63005
Sum squared resid 1.89E+19 Schwarz criterion 44.82920
Log likelihood -442.3005 Hannan-Quinn criter. 44.66892
F-statistic 669.7900 Durbin-Watson stat 1.974061
Prob(F-statistic) 0.000000 Inverted AR Roots 1.00-.06i 1.00+.06i
Inverted MA Roots .01
INTERPRETACION .-
Vemos que nuestro ar(1) ar(2) es significativa está dentro de los parámetros
con intervalo de confianza del 95% con la probabilidad de que ocurra del 100%,
pero que ma(1) no es significativa con un probabilidad 96%.
Nuestro residuos fluctúan alrededor de nuestro modelo con un 99% , y R2 nos
dice que la nube de puntos fluctúa de igual forma en el modelo con un 99%,
Prob(F-statistic) de que ocurra en 100%
Decimos que tomamos el criterio asintótico Akaike info criterion 44.63005
Nos dice que el Durbin-Watson stat no hay ACR no viola ningún supuesto.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: CONSUMO_FINAL_DE_LAS_FAM
Method: Least Squares
Date: 08/06/16 Time: 05:49
Sample (adjusted): 3 22
Included observations: 20 after adjustments
Convergence achieved after 28 iterations
MA Backcast: 1 2 Variable Coefficient Std. Error t-Statistic Prob. C 5.00E+10 2.77E+11 0.180162 0.8594
AR(1) 1.837273 0.399604 4.597734 0.0003
AR(2) -0.846327 0.436515 -1.938827 0.0716
MA(1) 0.107507 0.391816 0.274381 0.7875
MA(2) 0.158497 0.340906 0.464928 0.6487 R-squared 0.992590 Mean dependent var 1.30E+10
Adjusted R-squared 0.990614 S.D. dependent var 1.12E+10
S.E. of regression 1.09E+09 Akaike info criterion 44.66606
Sum squared resid 1.78E+19 Schwarz criterion 44.91499
Log likelihood -441.6606 Hannan-Quinn criter. 44.71465
F-statistic 502.3140 Durbin-Watson stat 1.983075
Prob(F-statistic) 0.000000 Inverted AR Roots .92-.05i .92+.05i
Inverted MA Roots -.05+.39i -.05-.39i
INTERPRETACION .-
Vemos que nuestro ar(1) ar(2) es significativa está dentro de los parámetros
con intervalo de confianza del 95% con la probabilidad de que ocurra del 100%,
pero que ma(1) ma(2)no es significativa con un probabilidad 78%, 64%.
Nuestro residuos fluctúan alrededor de nuestro modelo con un 99% , y R2 nos
dice que la nube de puntos fluctúa de igual forma en el modelo con un 99%,
Prob(F-statistic) de que ocurra en 100%
Decimos que tomamos el criterio asintótico Akaike info criterion 44.63005
Nos dice que el Durbin-Watson stat no hay ACR no viola ningún supuesto.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
IMPORTACIONES
Dependent Variable: IMPORTACIONES
Method: Least Squares
Date: 08/06/16 Time: 03:17
Sample (adjusted): 2 22
Included observations: 21 after adjustments
Convergence achieved after 8 iterations
MA Backcast: 1 Variable Coefficient Std. Error t-Statistic Prob. C 2.30E+10 4.55E+10 0.504803 0.6198
AR(1) 0.963710 0.079187 12.17001 0.0000
MA(1) 0.899962 0.069947 12.86626 0.0000 R-squared 0.969592 Mean dependent var 2.30E+10
Adjusted R-squared 0.966213 S.D. dependent var 2.16E+10
S.E. of regression 3.97E+09 Akaike info criterion 47.17586
Sum squared resid 2.84E+20 Schwarz criterion 47.32508
Log likelihood -492.3465 Hannan-Quinn criter. 47.20825
F-statistic 286.9737 Durbin-Watson stat 1.354037
Prob(F-statistic) 0.000000 Inverted AR Roots .96
Inverted MA Roots -.90
INTERPRETACION .-
Vemos que nuestro ar(1) ma(1) es significativa está dentro de los parámetros
con intervalo de confianza del 95% con la probabilidad de que ocurra del 100%,
Nuestro residuos fluctúan alrededor de nuestro modelo con un 96% , y R2 nos
dice que la nube de puntos fluctúa de igual forma en el modelo con un 96%,
Prob(F-statistic) de que ocurra en 100%
Decimos que tomamos el criterio asintótico Akaike info criterion 47.17586
Nos dice que el Durbin-Watson stat hay ACR viola supuesto.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: IMPORTACIONES
Method: Least Squares
Date: 08/06/16 Time: 05:57
Sample (adjusted): 2 22
Included observations: 21 after adjustments
Convergence achieved after 39 iterations
MA Backcast: 0 1 Variable Coefficient Std. Error t-Statistic Prob. C 3.45E+10 2.03E+10 1.696973 0.1079
AR(1) 0.849669 0.124991 6.797832 0.0000
MA(1) 1.646974 0.156289 10.53798 0.0000
MA(2) 0.800471 0.159857 5.007409 0.0001 R-squared 0.975842 Mean dependent var 2.30E+10
Adjusted R-squared 0.971578 S.D. dependent var 2.16E+10
S.E. of regression 3.65E+09 Akaike info criterion 47.04102
Sum squared resid 2.26E+20 Schwarz criterion 47.23998
Log likelihood -489.9307 Hannan-Quinn criter. 47.08420
F-statistic 228.8969 Durbin-Watson stat 2.148921
Prob(F-statistic) 0.000000 Inverted AR Roots .85
Inverted MA Roots -.82-.35i -.82+.35i
INTERPRETACION .-
Vemos que nuestro ar(1) ma(1) ma(2) es significativa está dentro de los
parámetros con intervalo de confianza del 95% con la probabilidad de que
ocurra del 100%,
Nuestro residuos fluctúan alrededor de nuestro modelo con un 97% , y R2 nos
dice que la nube de puntos fluctúa de igual forma en el modelo con un 97%,
Prob(F-statistic) de que ocurra en 100%
Decimos que tomamos el criterio asintótico Hannan-Quinn criter. 47.08420
Nos dice que el Durbin-Watson stat no hay ACR no viola ningun supuesto.
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: IMPORTACIONES
Method: Least Squares
Date: 08/06/16 Time: 05:58
Sample (adjusted): 3 22
Included observations: 20 after adjustments
Convergence achieved after 345 iterations
WARNING: Singular covariance - coefficients are not unique
MA Backcast: OFF (Roots of MA process too large) Variable Coefficient Std. Error t-Statistic Prob. C 2.40E+10 NA NA NA
AR(1) 1.262411 NA NA NA
AR(2) -0.241253 NA NA NA
MA(1) 2.112385 NA NA NA R-squared 0.991791 Mean dependent var 2.40E+10
Adjusted R-squared 0.990252 S.D. dependent var 2.17E+10
S.E. of regression 2.14E+09 Akaike info criterion 45.98602
Sum squared resid 7.35E+19 Schwarz criterion 46.18517
Log likelihood -455.8602 Hannan-Quinn criter. 46.02490
F-statistic 644.3490 Durbin-Watson stat 1.580579
Prob(F-statistic) 0.000000 Inverted AR Roots 1.03 .23
Estimated AR process is nonstationary
Inverted MA Roots -2.11
INTERPRETACION .-
Ojo en este variable hay colinealidad y no va es NO estacionario no explica
nada
ECONOMETRÍA II ORLANDO MARIN AGUILAR
Dependent Variable: IMPORTACIONES
Method: Least Squares
Date: 08/06/16 Time: 06:03
Sample (adjusted): 3 22
Included observations: 20 after adjustments
Convergence achieved after 389 iterations
WARNING: Singular covariance - coefficients are not unique
MA Backcast: OFF (Roots of MA process too large) Variable Coefficient Std. Error t-Statistic Prob. C 2.40E+10 NA NA NA
AR(1) 1.276745 NA NA NA
AR(2) -0.254626 NA NA NA
MA(1) 2.038574 NA NA NA
MA(2) -0.338877 NA NA NA R-squared 0.991770 Mean dependent var 2.40E+10
Adjusted R-squared 0.989575 S.D. dependent var 2.17E+10
S.E. of regression 2.22E+09 Akaike info criterion 46.08856
Sum squared resid 7.37E+19 Schwarz criterion 46.33750
Log likelihood -455.8856 Hannan-Quinn criter. 46.13716
F-statistic 451.8990 Durbin-Watson stat 1.390840
Prob(F-statistic) 0.000000 Inverted AR Roots 1.03 .25
Estimated AR process is nonstationary
Inverted MA Roots .15 -2.19
Estimated MA process is noninvertible
INTERPRETACION .-
De igual forma en este modelo no explica nada no va el modelo ARMA (p,q)